布隆過濾器詳細總結

 

1.什么是布隆過濾器？

首先，我們需要了解布隆過濾器的概念。

布隆過濾器（Bloom Filter）是一個叫做 Bloom 的老哥於1970年提出的。我們可以把它看作由二進制向量（或者說位數組）和一系列隨機映射函數（哈希函數）兩部分組成的數據結構。相比於我們平時常用的的 List、Map 、Set 等數據結構，它占用空間更少並且效率更高，但是缺點是其返回的結果是概率性的，而不是非常准確的。理論情況下添加到集合中的元素越多，誤報的可能性就越大。並且，存放在布隆過濾器的數據不容易刪除。

位數組中的每個元素都只占用 1 bit ，並且每個元素只能是 0 或者 1。這樣申請一個 100w 個元素的位數組只占用 1000000Bit / 8 = 125000 Byte = 125000/1024 kb ≈ 122kb 的空間。

總結：一個名叫 Bloom 的人提出了一種來檢索元素是否在給定大集合中的數據結構，這種數據結構是高效且性能很好的，但缺點是具有一定的錯誤識別率和刪除難度。並且，理論情況下，添加到集合中的元素越多，誤報的可能性就越大。

2.布隆過濾器的原理介紹

當一個元素加入布隆過濾器中的時候，會進行如下操作：

1. 使用布隆過濾器中的哈希函數對元素值進行計算，得到哈希值（有幾個哈希函數得到幾個哈希值）。
2. 根據得到的哈希值，在位數組中把對應下標的值置為 1。

當我們需要判斷一個元素是否存在於布隆過濾器的時候，會進行如下操作：

1. 對給定元素再次進行相同的哈希計算；
2. 得到值之后判斷位數組中的每個元素是否都為 1，如果值都為 1，那么說明這個值在布隆過濾器中，如果存在一個值不為 1，說明該元素不在布隆過濾器中。

舉個簡單的例子：

如圖所示，當字符串存儲要加入到布隆過濾器中時，該字符串首先由多個哈希函數生成不同的哈希值，然后在對應的位數組的下表的元素設置為 1（當位數組初始化時 ，所有位置均為0）。當第二次存儲相同字符串時，因為先前的對應位置已設置為1，所以很容易知道此值已經存在（去重非常方便）。

如果我們需要判斷某個字符串是否在布隆過濾器中時，只需要對給定字符串再次進行相同的哈希計算，得到值之后判斷位數組中的每個元素是否都為 1，如果值都為 1，那么說明這個值在布隆過濾器中，如果存在一個值不為 1，說明該元素不在布隆過濾器中。

不同的字符串可能哈希出來的位置相同，這種情況我們可以適當增加位數組大小或者調整我們的哈希函數。

綜上，我們可以得出：布隆過濾器說某個元素存在，小概率會誤判。布隆過濾器說某個元素不在，那么這個元素一定不在。

3.布隆過濾器使用場景

1. 判斷給定數據是否存在：比如判斷一個數字是否在於包含大量數字的數字集中（數字集很大，5億以上！）、 防止緩存穿透（判斷請求的數據是否有效避免直接繞過緩存請求數據庫）等等、郵箱的垃圾郵件過濾、黑名單功能等等。
2. 去重：比如爬給定網址的時候對已經爬取過的 URL 去重。

4.通過 Java 編程手動實現布隆過濾器

我們上面已經說了布隆過濾器的原理，知道了布隆過濾器的原理之后就可以自己手動實現一個了。

如果你想要手動實現一個的話，你需要：

1. 一個合適大小的位數組保存數據
2. 幾個不同的哈希函數
3. 添加元素到位數組（布隆過濾器）的方法實現
4. 判斷給定元素是否存在於位數組（布隆過濾器）的方法實現。

下面給出一個我覺得寫的還算不錯的代碼（參考網上已有代碼改進得到，對於所有類型對象皆適用）：

import java.util.BitSet;  public class MyBloomFilter {   /**  * 位數組的大小  */  private static final int DEFAULT_SIZE = 2 << 24;  /**  * 通過這個數組可以創建 6 個不同的哈希函數  */  private static final int[] SEEDS = new int[]{3, 13, 46, 71, 91, 134};   /**  * 位數組。數組中的元素只能是 0 或者 1  */  private BitSet bits = new BitSet(DEFAULT_SIZE);   /**  * 存放包含 hash 函數的類的數組  */  private SimpleHash[] func = new SimpleHash[SEEDS.length];   /**  * 初始化多個包含 hash 函數的類的數組，每個類中的 hash 函數都不一樣  */  public MyBloomFilter() {  // 初始化多個不同的 Hash 函數  for (int i = 0; i < SEEDS.length; i++) {  func[i] = new SimpleHash(DEFAULT_SIZE, SEEDS[i]);  }  }   /**  * 添加元素到位數組  */  public void add(Object value) {  for (SimpleHash f : func) {  bits.set(f.hash(value), true);  }  }   /**  * 判斷指定元素是否存在於位數組  */  public boolean contains(Object value) {  boolean ret = true;  for (SimpleHash f : func) {  ret = ret && bits.get(f.hash(value));  }  return ret;  }   /**  * 靜態內部類。用於 hash 操作！  */  public static class SimpleHash {   private int cap;  private int seed;   public SimpleHash(int cap, int seed) {  this.cap = cap;  this.seed = seed;  }   /**  * 計算 hash 值  */  public int hash(Object value) {  int h;  return (value == null) ? 0 : Math.abs(seed * (cap - 1) & ((h = value.hashCode()) ^ (h >>> 16)));  }   } }

測試：

        String value1 = "https://javaguide.cn/";  String value2 = "https://github.com/Snailclimb";  MyBloomFilter filter = new MyBloomFilter();  System.out.println(filter.contains(value1));  System.out.println(filter.contains(value2));  filter.add(value1);  filter.add(value2);  System.out.println(filter.contains(value1));  System.out.println(filter.contains(value2));

Output:

false
false true true

測試：

        Integer value1 = 13423;  Integer value2 = 22131;  MyBloomFilter filter = new MyBloomFilter();  System.out.println(filter.contains(value1));  System.out.println(filter.contains(value2));  filter.add(value1);  filter.add(value2);  System.out.println(filter.contains(value1));  System.out.println(filter.contains(value2));

Output:

false false true true

5.利用Google開源的 Guava中自帶的布隆過濾器

自己實現的目的主要是為了讓自己搞懂布隆過濾器的原理，Guava 中布隆過濾器的實現算是比較權威的，所以實際項目中我們不需要手動實現一個布隆過濾器。

首先我們需要在項目中引入 Guava 的依賴：

        <dependency>  <groupId>com.google.guava</groupId>  <artifactId>guava</artifactId>  <version>28.0-jre</version>  </dependency>

實際使用如下：

我們創建了一個最多存放 最多 1500個整數的布隆過濾器，並且我們可以容忍誤判的概率為百分之（0.01）

        // 創建布隆過濾器對象  BloomFilter<Integer> filter = BloomFilter.create(  Funnels.integerFunnel(),  1500,  0.01);  // 判斷指定元素是否存在  System.out.println(filter.mightContain(1));  System.out.println(filter.mightContain(2));  // 將元素添加進布隆過濾器  filter.put(1);  filter.put(2);  System.out.println(filter.mightContain(1));  System.out.println(filter.mightContain(2));

在我們的示例中，當mightContain（） 方法返回true時，我們可以99％確定該元素在過濾器中，當過濾器返回false時，我們可以100％確定該元素不存在於過濾器中。

Guava 提供的布隆過濾器的實現還是很不錯的（想要詳細了解的可以看一下它的源碼實現），但是它有一個重大的缺陷就是只能單機使用（另外，容量擴展也不容易），而現在互聯網一般都是分布式的場景。為了解決這個問題，我們就需要用到 Redis 中的布隆過濾器了。

6.Redis 中的布隆過濾器

6.1介紹

Redis v4.0 之后有了 Module（模塊/插件） 功能，Redis Modules 讓 Redis 可以使用外部模塊擴展其功能 。布隆過濾器就是其中的 Module。詳情可以查看 Redis 官方對 Redis Modules 的介紹 ：https://redis.io/modules。

另外，官網推薦了一個 RedisBloom 作為 Redis 布隆過濾器的 Module,地址：https://github.com/RedisBloom/RedisBloom。其他還有：

• redis-lua-scaling-bloom-filter （lua 腳本實現）：https://github.com/erikdubbelboer/redis-lua-scaling-bloom-filter
• pyreBloom（Python中的快速Redis 布隆過濾器） ：https://github.com/seomoz/pyreBloom
• ......

RedisBloom 提供了多種語言的客戶端支持，包括：Python、Java、JavaScript 和 PHP。

6.2使用Docker安裝

如果我們需要體驗 Redis 中的布隆過濾器非常簡單，通過 Docker 就可以了！我們直接在 Google 搜索docker redis bloomfilter 然后在排除廣告的第一條搜素結果就找到了我們想要的答案（這是我平常解決問題的一種方式，分享一下），具體地址：https://hub.docker.com/r/redislabs/rebloom/ （介紹的很詳細 ）。

具體操作如下：

➜  ~ docker run -p 6379:6379 --name redis-redisbloom redislabs/rebloom:latest
➜ ~ docker exec -it redis-redisbloom bash root@21396d02c252:/data# redis-cli 127.0.0.1:6379> 

6.3常用命令一覽

注意： key:布隆過濾器的名稱，item : 添加的元素。

1. BF.ADD ：將元素添加到布隆過濾器中，如果該過濾器尚不存在，則創建該過濾器。格式：BF.ADD {key} {item}。
2. BF.MADD : 將一個或多個元素添加到“布隆過濾器”中，並創建一個尚不存在的過濾器。該命令的操作方式BF.ADD與之相同，只不過它允許多個輸入並返回多個值。格式：BF.MADD {key} {item} [item ...] 。
3. **BF.EXISTS ** : 確定元素是否在布隆過濾器中存在。格式：BF.EXISTS {key} {item}。
4. BF.MEXISTS ： 確定一個或者多個元素是否在布隆過濾器中存在格式：BF.MEXISTS {key} {item} [item ...]。

另外，BF.RESERVE 命令需要單獨介紹一下：

這個命令的格式如下：

BF.RESERVE {key} {error_rate} {capacity} [EXPANSION expansion] 。

下面簡單介紹一下每個參數的具體含義：

1. key：布隆過濾器的名稱
2. error_rate :誤報的期望概率。這應該是介於0到1之間的十進制值。例如，對於期望的誤報率0.1％（1000中為1），error_rate應該設置為0.001。該數字越接近零，則每個項目的內存消耗越大，並且每個操作的CPU使用率越高。
3. capacity: 過濾器的容量。當實際存儲的元素個數超過這個值之后，性能將開始下降。實際的降級將取決於超出限制的程度。隨着過濾器元素數量呈指數增長，性能將線性下降。

可選參數：

• expansion：如果創建了一個新的子過濾器，則其大小將是當前過濾器的大小乘以expansion。默認擴展值為2。這意味着每個后續子過濾器將是前一個子過濾器的兩倍。

6.4實際使用

127.0.0.1:6379> BF.ADD myFilter java
(integer) 1 127.0.0.1:6379> BF.ADD myFilter javaguide (integer) 1 127.0.0.1:6379> BF.EXISTS myFilter java (integer) 1 127.0.0.1:6379> BF.EXISTS myFilter javaguide (integer) 1 127.0.0.1:6379> BF.EXISTS myFilter github (integer) 0